Million Songs Dataset'e giriş

PySpark ile Öneri Motorları Oluşturma

Jamen Long

Data Scientist at Nike

Açık vs örtük

Açık Puanlar başparmak yukarı/aşağı, 5 üzerinden 4 yıldız, en kötüden en iyiye renkli nokta ölçeği

Açık vs örtük (devam)

Açık Puanlar başparmak yukarı/aşağı, 5 üzerinden 4 yıldız, en kötüden en iyiye renkli nokta ölçeği

Örtük Puanlar başparmak yukarı/aşağı, 5 üzerinden 4 yıldız, en kötüden en iyiye renkli nokta ölçeği

Örtük hatırlatma II

Açık Puanlar başparmak yukarı/aşağı, 5 üzerinden 4 yıldız, en kötüden en iyiye renkli nokta ölçeği

Örtük Puanlar başparmak yukarı/aşağı, 5 üzerinden 4 yıldız, en kötüden en iyiye renkli nokta ölçeği beyaz kitaba atıf

Million Songs Dataset'e giriş

Thierry Bertin-Mahieux, Daniel P.W. Ellis, Brian Whitman ve Paul Lamere. The Million Song Dataset. 12th International Society for Music Information Retrieval Conference (SIMIR 20122) Bildirileri, 2011.

Sıfırlar ekle örneği

ratings.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    38|    99|        1|
|    38|    77|        3|
|    42|    99|        1|
+------+------+---------+

Cross join giriş

users = ratings.select("userId").distinct()
users.show()

+------+
|userId|
+------+
|    10|
|    38|
|    42|
+------+

songs = ratings.select("songId").distinct()
songs.show()

+------+
|songId|
+------+
|    22|
|    77|
|    99|
+------+

Cross join çıktısı

cross_join = users.crossJoin(songs)
cross_join.show()

+------+------+
|userId|songId|
+------+------+
|    10|    22|
|    10|    77|
|    10|    99|
|    38|    22|
|    38|    77|
|    38|    99|
|    42|    22|
|    42|    77|
|    42|    99|
+------+------+

Orijinal puanları geri birleştirme

cross_join = users.crossJoin(songs)
                  .join(ratings, ["userId", "songId"], "left")
cross_join.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    10|    77|     null|
|    10|    99|     null|
|    38|    22|     null|
|    38|    77|        3|
|    38|    99|        1|
|    42|    22|     null|
|    42|    77|     null|
|    42|    99|        1|
+------+------+---------+

Boşları sıfırla doldurma

cross_join = users.crossJoin(songs)
                  .join(ratings, ["userId", "songId"], "left").fillna(0)
cross_join.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    10|    77|        0|
|    10|    99|        0|
|    38|    22|        0|
|    38|    77|        3|
|    38|    99|        1|
|    42|    22|        0|
|    42|    77|        0|
|    42|    99|        1|
+------+------+---------+

Sıfır ekleme fonksiyonu

def add_zeros(df):
    # Benzersiz kullanıcıları çıkarır
    users = df.select("userId").distinct() 

    # Benzersiz şarkıları çıkarır
    songs = df.select("songId").distinct() 

    # Kullanıcılar ve şarkıları birleştirir, boşlukları 0 ile doldurur
    cross_join = users.crossJoin(items) \ 
                .join(df, ["userId", "songId"], "left").fillna(0)

    return cross_join

Hadi pratik yapalım!

PySpark ile Öneri Motorları Oluşturma